人工智能的讨论 人工智能可以战胜SKT吗

随着Alphago再次击败多位围棋顶尖选手，关于人工智能的讨论又热烈起来。看到一些关于人工智能是否能战胜SKT的问题，感觉到很有趣，尝试着利用自己掌握到的有限知识去回答这个问题，才疏学浅还望轻喷。

计算机如果想要战胜LOL、DOTA等MOBA类游戏的人类选手，还有非常非常远的路要走。

回溯人机博弈的历史，计算机是先拿国际象棋下手。

1996年2月，深蓝第一次对战如日中天的国际象棋大师卡斯帕罗夫，相必当时的人们也在和我们怀着同样的心情去关注这次对弈。7局赛制，赢1局积1分，平1局积0.5分，负1局不积分。

2月10日第一局，深蓝战胜了卡斯帕罗夫。这是人类有限的历史里，机器第一次战胜一位状态鼎盛的象棋大师。随后的五局里，卡斯帕罗夫3胜2平，以4-2的总比分战胜了深蓝。7天人机对弈大战，这并不轻松。想必卡斯帕罗夫也已经能预知到自己未来必败的故事了，因为人已经到极限，但机器却远远没有。

1997年5月，深蓝卷土重来。故事的结局大家都知道了，在决定生死的第6局，卡神在开局犯下一个严重错误，被深蓝抓住机会，拿下致胜1分。最终深蓝3胜2负1平，以3.5-2.5的总比分宣告机器战胜人类顶尖国际象棋选手。

深蓝用的是什么方法?Brute Force algorithm，算法如其名，用简单粗暴的方法去计算每一步棋，在全部可能性中去寻找最优的对弈解法。这是纯粹的数学游戏，考验也是最基础的计算能力。机器进化的方向并不复杂，那便是不断的提高自己的Computing Power. 深蓝用C语言开发，在AIX操作系统下运行。至1997年，深蓝可以每秒钟可以运算2亿次，它的运算速度也达到了1996年那个版本的两倍。这非常摩尔定律。

接下来故事就是机器对抗围棋选手了。为什么是先象棋后围棋的顺序，想必大家也都明白，复杂度原因。讲道理来说，人类每年都可以double自己的计算能力，我们只需要10年，就可以得到1024倍的计算能力，20年得到2^20倍的计算能力，再加上摩尔定律里关于成本减半，我们可以制造出计算能力无与伦比的机器，但这却远远对付不了围棋选手。

让我们看一下维基百科上棋类复杂度的对比：

围棋的复杂度在10^171，这远远超出了象棋的10^47。预计大部分人对这个数字没有概念，说一个参照的事情，在可观测的宇宙中基本粒子的数量规模在10^80-10^85之间。所以围棋传说中的，千古无同局，并非是虚言。如果Alphago继续使用前辈深蓝暴力破解算法，那看起来就有点儿愚蠢了。机器需要一次变革性的进化。

在深蓝退役后的这段时间里，最强的围棋程序在不断的进化，但实力只能达到业余五段选手的水平，再不让子的情况下，连专业围棋选手都赢不了。

2012年，Alphago的前辈Zen，两次战胜了专业九段Masaki选手，但都是在让4-5子的情况下。

2013年，前辈Crazy Stone，在让4子的情况下战胜专业九段Yoshio Ishida.

一代一代的进化，深度学习算法逐渐走入舞台中央，这就是机器所需要的那次进化。2014年，Alphgo搭载神经网络出世，击败了所有市面上的围棋程序。这仅仅是运行在一台计算主机上的Alphago. 2015年，分布式版本的Alphago拥有1202个CPU和176个GPU，在面对自己1年前的版本时，战无不胜。这个系统的神经网络受启发于人类职业选手，依靠一个对已有职业比赛记录的数据库系统，机器已经可以开始模拟人类选手的下棋方式了。

棋类选手怎么训练，自己研究棋谱，和自己对弈、和他人对弈，从中吸取和学习经验。在拥有了基本的数据库之后，Alphago可以和自己对弈无数多的局次，机器的训练量远远可以大于人类，只要计算能力足够，计算量对机器来说不是问题，在和自己对弈的棋局中，机器在对各种局势的优劣进行判断，从而进行学习，这是一个极其变态的事情，对自我可以无限复制。对于千古无同局的围棋，Alphago看到的棋局和对这些棋局的记忆，远远要比李世石更多，比李世石更记忆犹新。

2016年，Alphago强大到什么地步我们都看到了。但这里有个细节必须要说，Alphago的系统里有一个获胜概率阀值的判断程序，当局势的获胜概率低于20%就主动认输。在和李世石对弈时，这个阀值被设定在20%，细思极恐。三国时期的伟大军事家曹操，在给《孙子兵法》的批注中，留下这么一句话，叫：善战者无赫赫之功。 为什么?因为善于战斗的人，他总是以多胜少，以强胜弱，手里有必胜的把握才去开战。所以他的胜利总是看起来理所应当，没有什么值得赞颂的。Alphago在围棋领域，可以说已经到了曹操所言的这个境界，真正的“强、无敌”。

机器和人博弈的故事接下来就要来到第三阶段，我们也看到谷歌先选择的其实是《星际争霸》。

从科技媒体报道出来的消息来看，两点我们需要注意：1. 机器将会通过对屏幕信息进行捕捉的方式，来进行数据获取，而非是从游戏内读取数据;2. 机器的APM将会受到合理的限制，使人机竞争具备一个相对公平的环境条件。

为什么不直接是英雄联盟或者DOTA2? 主要原因，我认为是可控变量数，星际看起来是在可接受范围内。而且还有一些重要的问题，是AI以后想战胜LOL和DOTA2战队所必须克服的困难，这个阶段刚好用星际来过渡学习。第一点便是“实时性”。无论是象棋还是围棋，它们都是回合制游戏，而《星际争霸》则是“real-time”，立即对对方的选择作出反应，甚至有那么一瞬间，博弈双方的决策汇聚在一起。第二点，对对方意图的准确判断，为什么要建造这个东西，为什么去生产这个单位。

我认为，这是机器在挑战LOL和DOTA的路上，所必须经历的第三个阶段，而且重要性非比寻常。它所需要的计算方式和学习方法，都应该是又是一次变革性的提升，就像从“暴力破解”到“深度学习”。

第四个阶段，我认为才是机器和人类顶尖的MOBA队伍的战斗。如果基于目前已有的AI思路持续发展下去，是否有可能战胜SKT?

首先，我们先看最基础的游戏复杂度，国际象棋也好，围棋也好，它们的复杂度总归是在两个最大变量的控制范围内，棋子数量和棋盘的格子数量。一张MOBA地图有多少个像素点，一局MOBA游戏里可能出现多少种英雄组合，一个英雄可能有多少种技能顺序、多少出装选择、多少种插眼选择、多少种走位选择、多少种打野选择、多少种技能释放选择、多少个开团时机选择，再叠加到五个英雄，有多少可能性的排列和组合。难以想象，这个游戏复杂度我认为是要远远超出10^171这个数字。

其次，我认为要看机器对训练数据的学习方式。Alphago有提到两个神经网络系统，叫value network和 policy network，维基百科这么描述这句话：It uses Monte Carlo tree search, guided by a "value network" and a "policy network," both implemented using deep neural network technology. 可以看出，在底层算法上，这依然是一种蒙特卡洛树的遍历，但遍历路径会受到两个相关的优劣判断策略的引导。那好了，按照这种思路，在MOBA游戏里，需要远远不止两个用于优劣判断的network。举个例子，在DOTA游戏里有这样一个道具，常常被玩家用于发起一些关键性战术性进攻，叫做“诡计之雾”，提供一种短时间内的全体对视野守卫的隐身功能，频频开雾奠定胜局的场次屡见不鲜。问题来了，在这种情况下，AI怎样用什么样的network去帮助它在这种情况下遍历蒙特卡洛树，我实在是想不到。玩家之间的配合方式也是非常多样化，机器以人类数据为训练数据去学习的过程中，也将面对更多需要作优劣判断的场景。还有非常非常重要的一点，就是你可以看到在象棋选手和围棋选手的高质量比赛中，犯错是一件很难想象的事情，就像卡神和深蓝第二次对弈的第6局，就是卡神的开局失误，直接葬送比赛。这对程序非常有利，因为面对人类数据样本时很容易去做优劣判断，但是我们知道，在MOBA职业比赛中，选手会犯大大小小的失误，而机器在面对这些数据时，学习难度自然又有非常大的提高。我认为目前AI对训练数据的学习方式，很难适用于MOBA类游戏。

人类的进步和发展总是循序渐进，在这个阶段讨论AI和MOBA战队的战斗，看起来是很难有答案的，但我依然非常愿意去畅想未来，如果要给一个答案，我认为这个答案一定是肯定的，会有那么一天，机器像人类一样去思考场上局势，去战胜一支人类职业队伍。虽然，这一天非常可怕。伟大的军事家孙子说过：兵者诡道也。如果有一天机器学会了人类的“诡道”，人类该不该开心真的难讲。

还有一个问题，我还想去探讨一下，那就是前三个阶段，机器和人都在单挑，当进入到第四个阶段，我们应该怎么去定义这场比赛，是机器1V5，还是5个AI对战5个顶尖选手?

看过《火影忍者》的同学应该都对佩恩六道有深刻的印象，佩恩六道在战场上的模式，便是“1V多”，六具尸体受佩恩意识的控制，共享视角、共享思维，完全不需要沟通和交流，完美配合输出，自来也大人死的不冤。我们都知道，人类玩家之间因为沟通和交流出现问题导致崩盘、甚至队伍分崩离析的事情，屡见不鲜。

届时，怎么去定义这场MOBA对决应该也会出现这个问题，允许机器链接，那你就只能把它们当作一个整体去击败，它们不存在团队执行力和目标一致性的问题，而人类团队则非常非常难达到这种境界。这种信息沟通的方式，看起来简直是作弊。

我异常期待这场对决，希望在有生之年可以看到。

再逛逛>>